CN113255703A - 图像识别方法以及电子设备、计算机可读存储介质 - Google Patents

Abstract

本发明公开了图像识别方法以及电子设备、计算机可读存储介质，其中，图像识别方法包括：获取到待识别图像，其中，待识别图像中包括目标对象；响应于历史档案中存在与目标对象对应的档案，判断档案中是否存在目标对象的身份信息；如果存在目标对象的身份信息，将身份信息确定为待识别图像的识别结果；将待识别图像以及识别结果更新到档案中。上述方案，能够提高图像识别的效率和召回率。

Description

图像识别方法以及电子设备、计算机可读存储介质

技术领域

本发明涉及图像处理的技术领域，特别是涉及图像识别方法以及电子设备、计算机可读存储介质。

背景技术

近年来，随着移动互联网技术和物联网技术的不断发展，以及人们居住理念的变化与提升，图像识别技术已经得到越来越广泛的应用，具体地，图像识别技术在安全、金融、人机交互、信息和教育等诸多领域已经得到了充分的重视和应用，前景可观。

目前，在图像识别中，常常通过布控模式对图像进行实时识别，再通过一人一档聚类对图像进行事后分析研判，但目前，布控模式与一人一档聚类的计算量与资源消耗都较为巨大，效率较低。

因此，如何在图像识别中减少布控模式与一人一档聚类的计算与资源消耗是目前亟需解决的问题。

发明内容

本发明提供了图像识别方法以及电子设备、计算机可读存储介质，以解决目前存在的图像识别方法计算量大、效率较低的问题。

为解决上述技术问题，本发明提供一种图像识别方法，包括：获取到待识别图像，其中，待识别图像中包括目标对象；响应于历史档案中存在与目标对象对应的档案，判断档案中是否存在目标对象的身份信息；如果存在目标对象的身份信息，将身份信息确定为待识别图像的识别结果；将待识别图像以及识别结果更新到档案中。

其中，图像识别方法，还包括：响应于历史档案中存在与目标对象对应的档案且档案中不存在目标对象的身份信息，或者历史档案中不存在目标对象对应的档案，则利用身份信息库对目标对象的身份进行识别，得到待识别图像的识别结果。

其中，图像识别方法，还包括：响应于获取到预设数量的图像；基于图像中的目标对象对预设数量的图像进行聚类处理，以将具有相同目标对象的图像合并到同一档案中，得到历史档案。

其中，基于图像中的目标对象对预设数量的图像进行聚类处理，以将具有相同目标对象的图像合并到同一档案中，得到历史档案的步骤之后，还包括：响应于获取到目标对象的身份信息，将身份信息添加到目标对象的档案中。

其中，利用身份信息库对目标对象的身份进行识别，得到待识别图像的识别结果的步骤，包括：提取待识别图像的目标对象的特征向量；将特征向量与身份信息库中的多个标准特征向量进行比对，得到特征向量与各标准特征向量之间的相似度；将最大相似度对应的标准特征向量的身份信息确定为目标对象的身份信息，以得到识别结果。

其中，响应于历史档案中存在与目标对象对应的档案，判断档案中是否存在目标对象的身份信息的步骤，包括：将待识别图像的目标对象与局部历史档案进行比对，直至确定历史档案中存在与目标对象对应的档案或遍历历史档案；其中，历史档案按照预设规则被划分为多个局部历史档案，每个局部历史档案包括多个目标对象的档案。

其中，将待识别图像的目标对象与局部历史档案进行比对，直至确定历史档案中存在与目标对象对应的档案或遍历历史档案的步骤，包括：基于待识别图像与多个局部历史档案之间的对应关系依次级联式将待识别图像与各局部历史档案进行对比，直至确定历史档案中存在与目标对象对应的档案或遍历历史档案。

其中，将待识别图像以及识别结果更新到档案中的步骤，包括：响应于获取到预设数量的待识别图像，基于预设数量的待识别图像及其识别结果对历史档案进行更新。

为解决上述技术问题，本发明还提供了一种电子设备，包括：相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现上述任一项的图像识别方法。

为解决上述技术问题，本发明还提供了一种计算机可读存储介质，程序指令被处理器执行时实现上述任一项的图像识别方法。

本发明的有益效果是：区别于现有技术的情况，本发明通过响应于历史档案中存在与目标对象对应的档案，进而判断档案中是否存在目标对象的身份信息；如果存在目标对象的身份信息，将身份信息确定为待识别图像的识别结果，从而能够直接基于目标对象对应的档案确定该目标对象的身份信息，在一定程度上减少了将待识别图像与身份信息库中的多个目标对象进行一一比对来获取该目标对象的身份信息的识别过程，从而减少了识别工作量，最后将待识别图像以及识别结果更新到档案中，从而实现档案的图像更新以及身份信息更新，以便于后续对新的待识别图像的识别。

附图说明

图1是本发明图像识别方法一实施例的流程示意图；

图2是本发明图像识别方法另一实施例的流程示意图；

图3是本发明图像识别方法又一实施例的流程示意图；

图4是本发明电子设备一实施例的结构示意图；

图5是本发明计算机可读存储介质一实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，图1是本发明图像识别方法一实施例的流程示意图。

步骤S11：获取到待识别图像，其中，待识别图像中包括目标对象。

获取到待识别图像，其中，待识别图像中包括目标对象。目标对象包括人体、人脸、步态、身体姿态、车辆、车牌、动物或其他物体，具体可以基于实际的图像识别对象而定。

在一个具体的应用场景中，可以通过各式摄像头对目标对象进行拍摄，得到包括有目标对象的待识别图像。在另一个具体的应用场景中，也可以通过对初始图像进行相关处理后，得到待识别图像，例如：热图生成、特征提取、深度学习模型处理等图像处理。

步骤S12：响应于历史档案中存在与目标对象对应的档案，判断档案中是否存在目标对象的身份信息。

响应于历史档案中存在与目标对象对应的档案，则进一步判断对应的档案中是否存在目标对象的身份信息。

当历史档案中存在与目标对象对应的档案时，则说明该目标对象并非初次被识别，则进一步判断该目标对象对应的档案中是否存在目标对象的身份信息。

其中，历史档案是图像识别的过程中，将之前所有获取到的待识别图像进行归档后所得到的档案库。在一个具体的应用场景中，当图像识别方法应用于街拍路人识别时，历史档案则是历史拍摄的所有路人图像归档后的档案库。而档案为各待识别图像基于目标对象合并归档后的记录。

在一个具体的应用场景中，当历史档案中不存在与目标对象对应的档案，则该目标对象初次被识别，可以基于待识别图像对目标对象新建档案，并对目标对象进行识别，在另一个具体的应用场景中，当历史档案中不存在与目标对象对应的档案，也可以直接对目标对象进行识别，再对其进行建档，以保证身份识别的实时性。

步骤S13：如果存在目标对象的身份信息，将身份信息确定为待识别图像的识别结果。

如果该目标对象对应的档案中存在目标对象的身份信息，则将该身份信息确定该目标对象的身份信息，即待识别图像的识别结果。从而能够直接基于目标对象对应的档案确定该目标对象的身份信息，在一定程度上减少了将待识别图像与身份信息库中的多个目标对象进行一一比对来获取该目标对象的身份信息的识别过程，从而减少了识别工作量。

在一个具体的应用场景中，如果不存在目标对象的身份信息，则将待识别图像与身份信息库中的多个目标对象进行比对来获取该目标对象的身份信息，得到识别结果。在另一个具体的应用场景中，如果不存在目标对象的身份信息，则接收人工对目标对象的标注识别来获取该目标对象的身份信息，得到识别结果。具体地获取身份信息的方式在此不做限定。上述方法可用于人员统计、大数据分析等场景。在另一个具体的应用场景中，如果身份信息库中不存在目标对象的身份信息，也可以不进行任何响应，上述方法可用于特殊人员的监控、课堂点名等固定人员识别等场景。

步骤S14：将待识别图像以及识别结果更新到档案中。

将目标对象的待识别图像以及识别结果更新到该目标对象对应的档案中，从而实现档案的图像更新以及身份信息更新，以便于后续对新的待识别图像的识别。

通过上述步骤，本实施例的图像识别方法通过响应于历史档案中存在与目标对象对应的档案，进而判断档案中是否存在目标对象的身份信息；如果存在目标对象的身份信息，将身份信息确定为待识别图像的识别结果，从而能够直接基于目标对象对应的档案确定该目标对象的身份信息，在一定程度上减少了将待识别图像与身份信息库中的多个目标对象进行一一比对来获取该目标对象的身份信息的识别过程，从而减少了识别工作量，最后将待识别图像以及识别结果更新到档案中，从而实现档案的图像更新以及身份信息更新，以便于后续对新的待识别图像的识别。

请参阅图2，图2是本发明图像识别方法另一实施例的流程示意图。

在图像识别方法刚进行应用时，响应于获取到预设数量的图像；基于图像中的目标对象对预设数量的图像进行聚类处理，以将具有相同目标对象的图像合并到同一档案中，从而得到包括已归档的所有的目标对象的历史档案。其中，图像可以包括待识别图像和已识别的图像。本实施例的聚类方法包括K-means聚类方法、HAC层次凝聚聚类法或最大最小距离聚类算法等，具体在此不做限定。

其中，本实施例的聚类处理响应于图像的数量满足预设数量时进行，其中，预设数量可以为100张、500张或1000张等数量，具体可以根据实际情况进行设置。

获取历史档案的步骤可以在获取到待识别图像之前进行或同时进行。当获取到待识别图像后，通过历史档案对待识别图像进行识别。而当获取到待识别图像时，待识别图像的总数量没有达到预设数量时，即还没有聚类生成历史档案时，可以将待识别图像与身份信息库中的多个目标对象进行比对来获取该目标对象的身份信息，得到识别结果。而当图像数量到达预设数量，并获取了历史档案后，后续各待识别图像的识别都可以借助于历史档案进行。

生成历史档案后，响应于获取到历史档案中目标对象的身份信息，将身份信息以及对应的图像添加到目标对象的档案中，以完善各目标对象的档案。其中，历史档案中目标对象的身份信息可以通过图像识别过程中对待识别图像的识别结果进行获取的。例如当待识别图像的目标对象的身份信息是由与身份信息库中的多个目标对象进行比对来获取的，则在待识别图像和/或已识别图像的数量满足预设数量并建立历史档案后，直接将上述获取的身份信息对应添加至目标对象的档案中。

步骤S21：获取到待识别图像，其中，待识别图像中包括目标对象。

本步骤与前述实施例的步骤S11相同，请参阅前文，在此不再赘述。

步骤S22：响应于历史档案中存在与目标对象对应的档案，判断档案中是否存在目标对象的身份信息。

判断历史档案中是否存在与待识别图像的目标对象对应的档案，如果存在，则进一步判断档案中是否存在目标对象的身份信息；如果不存在，则执行步骤S24。

其中，判断历史档案中是否存在与待识别图像的目标对象对应的档案的方法包括：将待识别图像的目标对象与局部历史档案进行比对，直至确定历史档案中存在与目标对象对应的档案或遍历历史档案；其中，历史档案按照预设规则被划分为多个局部历史档案，每个局部历史档案包括多个目标对象的档案。

其中，比对时，可以基于待识别图像与多个局部历史档案之间的对应关系依次级联式将待识别图像与各局部历史档案进行对比，直至确定历史档案中存在与目标对象对应的档案或遍历历史档案。

预设规则可以为依据各历史档案中各目标对象的属性、各目标对象对应的图像的获取位置、获取时间等属性将历史档案划分为多个局部历史档案。在一个具体的应用场景中，当本次图像识别应用于街道人员识别，街道共有3条时，可以按照各街道的区域范围将历史档案划分为3个局部历史档案，每个局部历史档案分别对应一条街道上所拍摄得到的图像及其目标对象。则比对时，可以基于当前待识别图像的位置信息依次与从最近到最远的街道所对应的局部历史档案进行比对，分多步逐渐扩大区域距离约束，直至比对成功或比对完所有的局部历史档案。

而待识别图像与多个局部历史档案之间的对应关系可以基于多个局部历史档案划分规则进行确定，比如：按照时间、位置等实际属性对历史档案进行划分。

在实际应用中，目标对象的外在形象特征、行动轨迹或现身地点往往具有一定的规律性，则可以利用该规律性对历史档案进行划分，从而提高局部历史档案与目标对象的关联性。在一个具体的应用场景中，当在街道人员识别的应用场景下，目标对象往往会每天经过同一条街，因此，可以按照街道区域范围的划分来将历史档案划分为多个局部历史档案，从而按照待识别图像与各局部历史档案之间的位置对应关系，先与范围最近的局部历史档案进行对比，再按照范围远近依次级联对比来确定档案能够在一定程度上提高比对召回率和效率，进而减少档案遍历的比对消耗。在另一个具体的应用场景中，由于历史档案中所存储的一般都为目标对象的近期图像，其身高、体型、发型、着装等特征都较为接近，因此，可以基于时间的划分来将历史档案划分为多个局部历史档案，从而按照待识别图像与各局部历史档案之间的时间对应关系，先与当前最近的局部历史档案进行对比，再按照时间远近依次级联对比来确定档案也能够在一定程度上减少档案遍历的比对消耗。在另一个具体的应用场景中，还可以同时基于时间和位置对历史档案进行划分，从而同时考虑待识别图像与各局部历史档案之间的时间与位置的对应关系来进行级联对比。

因此，本步骤能够按照目标对象自身的规律性对其进行识别，从而能够具体地利用目标对象自身的特征规律提高识别召回率和效率，而这种规律性是身份信息库中所存储的标准证件照难以体现的，因此，获取待识别图像后，先将其与局部历史档案进行比对来确定档案能够进一步提高比对召回率和效率，进而提高图像识别的效率。

步骤S23：如果存在目标对象的身份信息，将身份信息确定为待识别图像的识别结果。

如果档案中存在目标对象的身份信息，则将该身份信息确定为待识别图像的识别结果。从而利用档案中的信息直接确定待识别图像的识别结果，避免了基于目标对象的特征进行识别对比的计算过程，从而减少识别工作量，提高识别效率。

如果档案中不存在目标对象的身份信息，则执行步骤S24。

步骤S24：响应于历史档案中存在与目标对象对应的档案且档案中不存在目标对象的身份信息，或者历史档案中不存在目标对象对应的档案，则利用身份信息库对目标对象的身份进行识别，得到待识别图像的识别结果。

当历史档案中存在与目标对象对应的档案但档案中不存在目标对象的身份信息，或者历史档案中不存在目标对象对应的档案时，则利用身份信息库对目标对象的身份进行识别，得到待识别图像的识别结果。其中，身份信息库为包括大量目标对象的基准照片及其对应的身份信息，比如包括身份证件照、员工证件照等标准证件照的底库。也就是，在图像识别过程中，若目标对象已被识别过，即可基于该目标对象的档案来获取该目标对象对应的新获取的待识别图像的识别结果，从而避免对同一目标对象进行重复对比识别的过程，提高图像识别效率。

其中，利用身份信息库对目标对象的身份进行识别的方法可以通过提取待识别图像的目标对象的特征向量，再将特征向量与身份信息库中的多个标准特征向量进行比对，得到特征向量与各标准特征向量之间的相似度；最后将最大相似度对应的标准特征向量的身份信息确定为目标对象的身份信息，以得到目标对象的识别结果。由于身份信息库中存储的为各目标对象的标准证件照，从而能够基于各标准证件照提取出各目标对象的标准特征向量，并进行存储，以便于后续特征比对。

其中，可以通过卷积神经网络、沙漏网络或其他深度神经网络等方式来提取各图像的特征向量。

如果身份信息库中不存在与目标对象对应的身份信息，则将目标对象对应的待识别图像更新到历史档案中，并可以接收人工对目标对象的识别标注得到识别结果或等待身份信息库更新或不响应，具体可以根据实际的图像识别的应用场景中进行执行。

步骤S25：响应于获取到预设数量的待识别图像，基于预设数量的待识别图像及其识别结果对历史档案进行更新。

在图像识别过程中，每当待识别图像的数量满足预设数量时，都可以基于预设数量的待识别图像及其识别结果对历史档案进行批量更新，从而在图像识别的应用的过程中逐步对历史档案进行更新迭代，并降低更新浪费。其中，预设数量越小，历史档案越具备实时性，预设数量越大，历史档案的更新耗费越少，更新效率更高。

其中，步骤S21-S24是在每获取到一张待识别图像后即开始执行的，而步骤S25是在当待识别图像的数量满足预设数量后，才开始执行的。

由于在每获取到一张待识别图像后即对其进行识别，获取到了各待识别图像的识别结果，即身份信息，则在批量更新历史档案时，可以直接利用识别结果对将不包含身份信息的档案进行更新，从而减少了将待识别图像归档进历史档案以进行更新时对目标对象进行重复识别的过程，减少重复计算，提高档案更新效率。

通过上述步骤，本实施例的图像识别方法通过基于历史档案对图像的识别提供识别结果，并也基于识别结果对历史档案进行批量更新，从而能够使图像识别和档案更新融为一体，互相利用对方的应用结果来帮助自身进行相关操作，从而能够减少重复识别过程，提高识别效率。在既能保证待识别图像的实时识别性的情况下，高效完成历史档案的更新和归档。且，本实施例还基于待识别图像与多个局部历史档案之间的对应关系依次级联式将待识别图像与各局部历史档案进行对比来确定待识别图像的目标对象的档案，从而基于局部优先的局部历史档案依次进行对比，从而提高档案比对的效率和召回率。

请参阅图3，图3是本发明图像识别方法又一实施例的流程示意图。

步骤S301：获取到待识别图像。

获取到待识别图像，其中，待识别图像中包括目标对象。

在一个具体的应用场景中，可以通过各式摄像头对目标对象进行拍摄，得到包括有目标对象的待识别图像。在另一个具体的应用场景中，也可以通过对初始图像进行相关处理后，得到待识别图像，例如：热图生成、特征提取、深度学习模型处理等图像处理。

步骤S302：判断历史档案中是否存在与待识别图像的目标对象对应的档案。

判断历史档案中是否存在与待识别图像中的目标对象对应的档案。判断历史档案中是否存在目标对象对应的档案的具体步骤与前述实施例的步骤S22相同，请参阅前文，在此不再赘述。

其中，历史档案是在图像识别方法刚进行应用时，响应于获取到预设数量的图像，再基于图像中的目标对象对预设数量的图像进行聚类归档后得到的。

如果历史档案中存在与待识别图像的目标对象对应的档案，则执行步骤S303；如果历史档案中不存在与待识别图像的目标对象对应的档案，则执行步骤S305。

步骤S303：判断档案中是否存在身份信息。

如果历史档案中存在与待识别图像的目标对象对应的档案，则进一步判断档案中是否存在身份信息。

其中，判断档案中是否存在身份信息的方法与前述实施例的步骤S23相同，请参阅前文，在此不再赘述。

如果档案中存在待识别图像的目标对象对应的身份信息，则执行步骤S304；如果档案中不存在待识别图像的目标对象对应的身份信息，则执行步骤S305。

步骤S304：获取身份信息。

如果档案中存在待识别图像的目标对象对应的身份信息，则获取身份信息，并将该身份信息作为图像识别结果，从而完成图像的实时识别。

当图像识别方法应用于固定人员的安保领域时，可以在获取目标对象的身份信息后可以进行实时告警，以提高安保效率。

步骤S305：判断身份信息库中是否存在与待识别图像的目标对象对应的身份信息。

如果历史档案中不存在与待识别图像的目标对象对应的档案，则在该种情况下，难以通过历史档案的记录快速实现图像识别，则通过身份信息库来判断其内是否存在与待识别图像的目标对象对应的身份信息。

其中，利用身份信息库对目标对象的身份进行识别的方法与前述实施例的步骤S24相同，请参阅前文，在此不再赘述。

步骤S306：不响应。

当身份信息库中不存在与目标对象对应的身份信息时，则本次图像识别的实时识别对该目标对象不响应，即识别结果为未识别成功。而后续可以将目标对象对应的待识别图像更新到历史档案中，并可以接收人工对目标对象的识别标注得到识别结果或等待身份信息库更新等，具体可以根据实际的图像识别的应用场景中进行执行。

步骤S307：响应于获取预设数量的待识别图像，进行数据整理。

步骤S301-306为图像识别中实时识别的相关步骤，而步骤S307-S312为图像识别中非实时的后续档案整理。

而每当新获取到的待识别图像达到预设数量后，对新获取的预设数量的待识别图像进行数据整理。

在一个具体的应用场景中，可以对新获取的预设数量的待识别图像中的目标对象进行聚类处理，以将同一个目标对象的待识别图像聚类到一起，从而基于聚类后的待识别图像进行归档整理，提高整理效率。在一个具体的应用场景中，可以进一步基于步骤S301-306中获得的识别结果对新获取的预设数量的待识别图像进行整理，其中由于待识别图像在获取后首先会经过步骤S301-306进行实时识别，因此，当对预设数量的待识别图像中的目标对象进行聚类处理时，其识别结果和对应档案是已知的，因此基于已知的识别结果和对应档案对预设数量的待识别图像进行整理，能够避免对待识别图像进行重复识别或确定档案，从而提高整理效率。

步骤S308：响应于目标对象已知身份信息利用身份信息判断目标对象是否已知档案。

其中，具体地整理步骤还可以包括判断各待识别图像中的目标对象是否已知身份信息。其中，由于待识别图像在获取的当时即进行了图像识别，因此，各待识别图像一般是具备了识别结果，即身份信息的，则可以直接利用身份信息判断目标对象是否已知档案。具体地，直接查找该身份信息是否有对应的档案，其中，本步骤可以基于步骤S302中的判断结果进行，从而减少与历史档案进行遍历比对，若有，则该目标对象已知档案，则执行步骤S310，若没有则该目标对象不知档案，则执行步骤S309。

步骤S309：建档。

若该目标对象不知档案，则说明步骤S302中未在历史档案中查询到目标对象的档案，则可以将目标对象对应的待识别图像与历史档案进行遍历对比来查找该目标对象的档案，若能够在历史档案中查找到，也可以执行步骤S310，如果没能在历史档案中查找到，则基于该目标对象的待识别图像及其身份信息新建档案，以存储到历史档案中。

步骤S310：归档。

若已知待识别图像的档案信息，则直接将该待识别图像及其身份信息与该档案合并即可，从而跳过和历史档案一一比对的计算。

通过步骤S309和步骤S310后，可以完成对历史档案的更新，从而在下一次获取到待识别图像后，能够基于更新后的历史档案对图像进行识别，从而能够使后续图像识别能够基于历史档案的更新结果进行，以提高图像识别的成功率和效率。

通过上述步骤，本实施例的图像识别方法通过基于历史档案对图像的识别提供识别结果，并也基于识别结果对历史档案进行批量更新，从而能够使图像识别和档案聚类更新融为一体，互相利用对方的应用结果来帮助自身进行相关操作，从而能够减少重复识别过程，提高识别效率。在既能保证待识别图像的实时识别性的情况下，高效完成历史档案的更新和归档。

基于同样的发明构思，本发明还提出了一种电子设备，该电子设备能够被执行以实现上述任一实施例的图像识别方法，请参阅图4，图4是本发明电子设备一实施例的结构示意图，电子设备包括相互耦接的处理器41以及存储器42。

处理器41用于执行存储器42中存储的程序指令，以实现上述任一图像识别方法实施例的步骤。在一个具体的实施场景中，电子设备可以包括但不限于：微型计算机、服务器，此外，电子设备还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。

具体而言，处理器41用于控制其自身以及存储器42以实现上述任一图像识别方法实施例的步骤。处理器41还可以称为CPU（Central Processing Unit，中央处理单元）。处理器41可能是一种集成电路芯片，具有信号的处理能力。处理器41还可以是通用处理器、数字信号处理器（Digital Signal Processor， DSP）、专用集成电路（Application SpecificIntegrated Circuit， ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器41可以由集成电路芯片共同实现。

上述方案，能够提高图像识别的效率和召回率。

基于同样的发明构思，本发明还提出了一种计算机可读存储介质，请参阅图5，图5是本发明计算机可读存储介质一实施例的结构示意图。计算机可读存储介质50中存储有至少一个程序数据51，程序数据51用于实现上述任一图像识别方法。在一个实施例中，计算机可读存储介质50包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。在本发明所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中。

以上所述仅为本发明的实施方式，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种图像识别方法，其特征在于，所述图像识别方法包括：

获取到待识别图像，其中，所述待识别图像中包括目标对象；

响应于历史档案中存在与所述目标对象对应的档案，判断所述档案中是否存在所述目标对象的身份信息；

如果存在所述目标对象的身份信息，将所述身份信息确定为所述待识别图像的识别结果；

将所述待识别图像以及所述识别结果更新到所述档案中。

2.根据权利要求1所述的图像识别方法，其特征在于，所述图像识别方法，还包括：

响应于所述历史档案中存在与所述目标对象对应的档案且所述档案中不存在所述目标对象的身份信息，或者所述历史档案中不存在所述目标对象对应的档案，则利用身份信息库对所述目标对象的身份进行识别，得到所述待识别图像的识别结果。

3.根据权利要求1或2所述的图像识别方法，其特征在于，所述图像识别方法，还包括：

响应于获取到预设数量的图像；

基于所述图像中的目标对象对所述预设数量的图像进行聚类处理，以将具有相同目标对象的图像合并到同一档案中，得到所述历史档案。

4.根据权利要求3所述的图像识别方法，其特征在于，所述基于所述图像中的目标对象对所述预设数量的图像进行聚类处理，以将具有相同目标对象的图像合并到同一档案中，得到所述历史档案的步骤之后，还包括：

响应于获取到所述目标对象的身份信息，将所述身份信息添加到所述目标对象的档案中。

5.根据权利要求2所述的图像识别方法，其特征在于，所述利用身份信息库对所述目标对象的身份进行识别，得到所述待识别图像的识别结果的步骤，包括：

提取所述待识别图像的目标对象的特征向量；

将所述特征向量与所述身份信息库中的多个标准特征向量进行比对，得到所述特征向量与各标准特征向量之间的相似度；

将最大相似度对应的标准特征向量的身份信息确定为所述目标对象的身份信息，以得到所述识别结果。

6.根据权利要求1所述的图像识别方法，其特征在于，所述响应于历史档案中存在与所述目标对象对应的档案，判断所述档案中是否存在所述目标对象的身份信息的步骤，包括：

将所述待识别图像的目标对象与局部历史档案进行比对，直至确定历史档案中存在与所述目标对象对应的档案或遍历所述历史档案；

其中，所述历史档案按照预设规则被划分为多个所述局部历史档案，每个所述局部历史档案包括多个目标对象的档案。

7.根据权利要求6所述的图像识别方法，其特征在于，所述将所述待识别图像的目标对象与局部历史档案进行比对，直至确定历史档案中存在与所述目标对象对应的档案或遍历所述历史档案的步骤，包括：

基于所述待识别图像与多个局部历史档案之间的对应关系依次级联式将所述待识别图像与各局部历史档案进行对比，直至确定历史档案中存在与所述目标对象对应的档案或遍历所述历史档案。

8.根据权利要求1所述的图像识别方法，其特征在于，所述将所述待识别图像以及所述识别结果更新到所述档案中的步骤，包括：

响应于获取到预设数量的待识别图像，基于所述预设数量的待识别图像及其识别结果对所述历史档案进行更新。

9.一种电子设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至8任一项所述的图像识别方法。

10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至8任一项所述的图像识别方法。

Images